Sistemi i ri i inteligjencës me efekt efikas të energjisë funksionon me energji diellore

AI është përdorur në një varg aplikacionesh jashtëzakonisht të dobishme, të tilla si parashikimi i jetës së një makine përmes dridhjeve të saj, monitorimi i aktivitetit kardiak të pacientëve dhe përfshirja e aftësive të njohjes së fytyrës në sistemet e mbikëqyrjes. E keqja është se teknologjia e bazuar në AI zakonisht kërkon shumë energji dhe, në shumicën e rasteve, duhet të jetë e lidhur përgjithmonë me cloud, duke ngritur çështje që lidhen me mbrojtjen e të dhënave, sigurinë e IT dhe përdorimin e energjisë.

Inxhinierët CSEM mund të kenë gjetur një mënyrë për t’i kaluar këto çështje, në sajë të një sistemi të ri në chip që ata kanë zhvilluar. Ajo funksionon me një bateri të vogël ose një qelizë të vogël diellore dhe ekzekuton operacione të AI. Për më tepër, sistemi i tyre është plotësisht modular dhe mund të përshtatet për çdo aplikacion ku kërkohet përpunimi i sinjalit dhe imazhit në kohë reale, veçanërisht kur përfshihen të dhëna të ndjeshme. Inxhinierët do të paraqesin pajisjen e tyre në Simpoziumin prestigjioz 2021 VLSI Circuits në Kiotos këtë qershor.

Sistemi në-çip CSEM punon përmes një arkitekture krejtësisht të re të përpunimit të sinjalit që minimizon sasinë e energjisë së nevojshme. Përbëhet nga një çip ASIC me një procesor RISC-V (i zhvilluar gjithashtu në CSEM) dhe dy përshpejtues të ngushtë të mësimit të makinës: një për zbulimin e fytyrës, për shembull, dhe një për klasifikimin. E para është një motor binar i vendimit (BDT) që mund të kryejë detyra të thjeshta por nuk mund të kryejë operacione njohjeje.

“Kur sistemi ynë përdoret në aplikacionet e njohjes së fytyrës, për shembull, përshpejtuesi i parë do t’i përgjigjet pyetjeve paraprake si: A ka njerëz në imazhe? Dhe nëse po, a janë të dukshme fytyrat e tyre?” thotë Stéphane Emery, shefi i hulumtimit sistem-në-chip në CSEM. “Nëse sistemi ynë përdoret në njohjen e zërit, përshpejtuesi i parë do të përcaktojë nëse zhurma është e pranishme dhe nëse kjo zhurmë korrespondon me zërat njerëzorë. Por nuk mund të dallojë zëra ose fjalë specifike – këtu hyn përshpejtuesi i dytë”.

Akseleratori i dytë është një motor rrjeti nervor konvolucionar (CNN) që mund të kryejë këto detyra më të komplikuara – duke njohur fytyra individuale dhe duke zbuluar fjalë specifike – por gjithashtu konsumon më shumë energji. Kjo qasje e përpunimit të të dhënave me dy nivele zvogëlon në mënyrë drastike kërkesën për energji të sistemit, pasi që shumicën e kohës funksionon vetëm përshpejtuesi i parë.

Si pjesë e hulumtimit të tyre, inxhinierët përmirësuan performancën e përshpejtuesve vetë, duke i bërë ata të adaptueshëm ndaj çdo aplikacioni ku nevojitet përpunimi i sinjalit dhe imazhit në bazë të kohës. “Sistemi ynë punon në të njëjtën mënyrë pa marrë parasysh aplikimin,” thotë Emery. “Thjesht duhet të rikonfigurojmë shtresat e ndryshme të motorit tonë CNN.”

Inovacioni CSEM hap derën për një gjeneratë tërësisht të re pajisjesh me procesorë që mund të funksionojnë në mënyrë të pavarur për më shumë se një vit. Ai gjithashtu zvogëlon ndjeshëm kostot e instalimit dhe mirëmbajtjes për pajisje të tilla, dhe u mundëson atyre që të përdoren në vendet ku do të ishte e vështirë të ndryshosh baterinë.